최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국어정보학회 2016년도 제28회 한글및한국어정보처리학술대회, 2016 Oct. 07, 2016년, pp.252 - 256
최상혁 (서울대학교) , 설진석 (연세대학교) , 이상구 (서울대학교)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
단어 임베딩을 생성 할 때는 어떤 단계를 가지는가? | 단어 임베딩을 생성 할 때에는 일반적으로, 1)학습 말뭉치 구성 2)말뭉치의 형태소 분석 3)주요 파라미터 설정(벡터 차원 수, 주변 단어 수 윈도우 크기) 4)모델을 통한 학습 과 같은 단계로 이루어진다. 각각의 단계의 처리 방법이나 파라미터의 값에 따라 실제적인 단어 임베딩의 정확도가 차이가 생기기 때문에, 절적한 수치나 방법을 선택하는 것이 중요하다. | |
단어 임베딩은 벡터 표현으로 어디에 활용되는가? | 이러한 벡터 표현은 다양한 응용의 자연언어처리 기반으로 활용된다[1-4]. 이를 활용하는 응용으로는 기계 번역[5-7], 문서 요약[8], 개체명 인식[9] 등이 있다. | |
단어 임베딩은 무엇인가? | 단어 임베딩(word embedding)은 자연어로 이루어진 단어를 고정된 차원의 실수 벡터로 변환시키는 과정으로 분산 표현(distributed representation) 이라고도 한다. 이러한 벡터 표현은 다양한 응용의 자연언어처리 기반으로 활용된다[1-4]. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.